Prevalences of metabolic syndrome and its sex-specific association with socioeconomic status in rural China: a cross-sectional study
Notice bibliographique
Résumé
BACKGROUND: Few studies have reported the prevalence of metabolic syndrome (MS) and examined relationships between socioeconomic status and MS in rural China. This study aimed to evaluate the prevalence of MS and MS components as well as their associations with socioeconomic status among rural Chinese adults. METHODS: A cross-sectional study of 26,836 participants aged 20 years and older was conducted from June to December 2012 in Yuhuan City, Zhejiang Province, China, which is located on Yuhuan Island. A multivariable logistic regression model was used to identify risk factors for MS and their possible interactions. RESULTS: Among 26,836 subjects with an average age of 53.4 ± 14.0 years, 59% were female. The overall prevalence of MS was 20.5%, and there was a significant sex difference in the prevalence (15.1% for males vs. 24.2% for females, P < 0.001). Compared with males, females also showed a significantly higher proportion of most MS components. A significantly higher prevalence of MS was found among subjects who were elderly, had a lower income level, had a lower level of education, or were unemployed. Multiple significant interactions were observed between the prevalence of MS and sex, age or socioeconomic status (P < 0.001). The risk of MS increased significantly with age in females but not in males. Additionally, a lower income level and a lower level of education were significantly related to an increased risk only in females, and unemployed males had a higher risk of MS than unemployed females. CONCLUSIONS: The prevalence of MS and its components was relatively high in a rural island Chinese population with rapid urbanization, and sex-specific associations between socioeconomic factors and MS were found. Targeted preventive interventions should be developed and implemented to prevent and control MS among those with low socioeconomic status, especially females.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».